Fugu-MT 論文翻訳(概要): AI Data Centers and the Water Use Feedback Loop

論文の概要: AI Data Centers and the Water Use Feedback Loop

arxiv url: http://arxiv.org/abs/2606.21760v1
Date: Fri, 19 Jun 2026 21:21:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-26 03:26:02.91573
Title: AI Data Centers and the Water Use Feedback Loop
Title（参考訳）: AIデータセンターと水利用フィードバックループ
Authors: Basit A. Akinade, Amobichukwu C. Amanambu, Jonathan M. Frame, Shaolei Ren,
Abstract要約: AIデータセンタは、冷却のために水を消費し、水不足の制約を座り、AIツールは、水システムの効率を改善することができる。このレビューでは、Water and AI Feedback Loopを形式化し、コミュニティ規模のユーティリティ負荷を定量化するためのWater Consumption Impact Indexを導入し、ホスト容量の0.2%から134%という3桁の負荷にまたがる10の米国サイトを紹介している。
参考スコア（独自算出の注目度）: 15.224436211478219
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: AI data centres consume water for cooling, water scarcity constrains siting, and AI tools can improve water system efficiency. These dynamics are studied separately yet form a feedback loop. This review formalises the Water and AI Feedback Loop, introduces the Water Consumption Impact index to quantify community-scale utility burden, and demonstrates across ten US sites that burden spans three orders of magnitude, from 0.2% to 134% of host capacity.
Abstract（参考訳）: AIデータセンタは、冷却のために水を消費し、水不足の制約を座り、AIツールは、水システムの効率を改善することができる。これらの力学は別々に研究されるが、フィードバックループを形成する。このレビューでは、Water and AI Feedback Loopを形式化し、コミュニティ規模のユーティリティ負荷を定量化するためのWater Consumption Impact Indexを導入し、ホスト容量の0.2%から134%という3桁の負荷にまたがる10の米国サイトを紹介している。

関連論文リスト

The data heat island effect: quantifying the impact of AI data centers in a warming world [80.93687930593265]
我々は、AIデータセンターの運用開始後、陸地表面温度が平均2C上昇すると推定する。この温度上昇の影響で3億4000万人以上が影響を受ける可能性があることを定量化して、コミュニティへの影響を評価した。
論文参考訳（メタデータ） (2026-03-21T18:04:03Z)
AUV Trajectory Learning for Underwater Acoustic Energy Transfer and Age Minimization [46.410091748427796]
海洋生物のインターネット(IoUT)は、海洋環境や海洋環境の監視を目的として、ますます注目を集めている。従来のIoUTデバイスはバッテリーの電力に依存しており、寿命の制限に直面し、廃棄時に環境に悪影響を及ぼす。本稿では、自律型水中車両(AUV)を介して、IoUTデバイスと音響エネルギー伝達(AET)をデバイスに同時接続するための持続可能なアプローチを提案する。
論文参考訳（メタデータ） (2026-01-13T12:23:53Z)
Not All Water Consumption Is Equal: A Water Stress Weighted Metric for Sustainable Computing [2.5832043241251337]
本研究では,水ストレスの空間的および時間的変動を要因として,計算における水の影響を評価する最初のフレームワークであるSCARFを提案する。 ScarFは、時間とともに消費量と局所的な水ストレスの両方を考慮する調整水衝撃(AWI)測定値を計算する。位置選択と時間選択を最適化し、節水型コンピューティングの道を開くことにより、水の衝撃を抑えるための隠れた機会を示す。
論文参考訳（メタデータ） (2025-06-28T06:26:06Z)
Filling in the Blanks: Applying Data Imputation in incomplete Water Metering Data [0.0]
スマート水位計を用いた配水網の監視・管理の高度化に向けた最近のデータ計算手法の適用について検討した。以上の結果から, 効果的なデータ計算は, 水消費データから得られる洞察の質を著しく向上させることが示唆された。
論文参考訳（メタデータ） (2025-06-10T15:13:05Z)
AI-Enhanced Automatic Design of Efficient Underwater Gliders [60.45821679800442]
自動設計フレームワークの構築は、グライダー形状を表現する複雑さと、複雑な固体-流体相互作用をモデル化する際の計算コストが高いため、困難である。非自明な船体形状の水中ロボットを作れるようにすることで、これらの制限を克服するAI強化型自動計算フレームワークを導入する。提案手法は, 形状と制御信号の両面を協調的に最適化するアルゴリズムで, 低次幾何表現と微分可能なニューラルネット型流体代理モデルを用いる。
論文参考訳（メタデータ） (2025-04-30T23:55:44Z)
Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [69.38041171537573]
水質は環境の持続可能性、生態系の回復力、公衆衛生に基礎を置いている。ディープラーニングは、大規模な水質予測と科学的洞察生成のための変革的なポテンシャルを提供する。汚染緩和や資源配分等、高額な運用上の意思決定に広く採用されていることは、未解決の信頼性の課題によって防止されている。
論文参考訳（メタデータ） (2025-03-13T01:50:50Z)
Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文参考訳（メタデータ） (2024-10-08T10:35:32Z)
A Dataset for Research on Water Sustainability [18.979261592551676]
本研究は, 冷却システムにおける直接水利用と, 発電に埋め込まれた間接水利用のためのデータセットを構築した。当社のデータセットは、2019年から2023年までの米国の主要都市と州の時給水効率で構成されています。本稿では,データセットの予備解析を行い,その利点を享受できる3つの潜在的なアプリケーションについて論じる。
論文参考訳（メタデータ） (2024-05-24T02:59:52Z)
Making AI Less "Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models [31.980143764150796]
世界のAI需要は2027年に4.2-6.6億立方メートルの水が流出すると予想されている。これはデンマークの年間降水量4-6以上、イギリスの半分以上である。グローバルな水の課題に対処するためには、AIは社会的責任を負い、例によってリードする必要がある。
論文参考訳（メタデータ） (2023-04-06T17:55:27Z)
Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文参考訳（メタデータ） (2022-08-18T15:27:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。